- …
- …
#444
summarized by : Anonymous
どんな論文か？
画像検索のタスクにおいて，CNNを用いて量子化された画像表現を得るアルゴリズムを提案．中間表現を抽出する前段のCNNは，通常のクラス識別の損失に加え，後段の量子化が上手く行くような複数の制約やロス（出力する中間表現が超球上にのみ存在するような制約など）が加えられており，後段ではCNNで得た中間表現を量子化する．前段のCNNと後段の量子化のパラメータは結合して学習される．
新規性
1) CNNを用いてよい量子化された表現を得るため，中間特徴量を抽出するためのCNNで特徴量が超球上に分布するような制約をはじめとして，CNNに対する新たな複数の制約，ロスを導入した点
2) 特徴量を量子化する手法であるMulti-Codebook Quantazationを最定式化し，CNNの学習と量子化アルゴリズムの学習を結合学習可能にした点
結果
CIFAR10, NUS-WIDE, ImageNetの３つのデータセットを用いた類似画像検索の実験で，量子化された画像表現の複数のビット長の条件下で，すべて既存手法を上回る．
その他（なぜ通ったか？等）
CNNに対して様々な工夫（制約）を入れているが，特徴量を超球上に拘束するという制約が一番効いた模様．
- …
- …